| 郑重声明 | 第1-4页 |
| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-14页 |
| 图目录 | 第14-16页 |
| 表目录 | 第16-17页 |
| 第一章 引言 | 第17-26页 |
| ·本文的研究目的和研究背景 | 第17-19页 |
| ·图像数据挖掘与知识发现的国内外研究进展 | 第19-21页 |
| ·本文的主要研究内容、技术路线 | 第21-23页 |
| ·相关说明 | 第23页 |
| ·本文的组织结构 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第二章 图像数据挖掘与知识发现 | 第26-41页 |
| ·图像(遥感图像)数据挖掘与知识发现的概念 | 第26-32页 |
| ·什么是图像(遥感图像)数据挖掘与知识发现? | 第26-27页 |
| ·图像数据挖掘与相关概念的关系 | 第27-32页 |
| ·图像数据挖掘的知识类型 | 第32-38页 |
| ·数据、信息、知识、概念 | 第32-34页 |
| ·知识的表达与处理 | 第34-36页 |
| ·图像数据挖掘可以发现的知识类型 | 第36-38页 |
| ·图像数据挖掘的总体思路 | 第38-40页 |
| ·功能驱动型的图像数据挖掘 | 第38-39页 |
| ·信息驱动的图像数据挖掘 | 第39-40页 |
| ·概念驱动的图像数据挖掘 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于概念格的数据挖掘理论与方法研究 | 第41-82页 |
| ·数据挖掘与概念形成 | 第41-45页 |
| ·数据挖掘与概念形成 | 第41页 |
| ·数据挖掘的过程 | 第41-42页 |
| ·概念的形成过程 | 第42-44页 |
| ·聚类(概念聚类) | 第44页 |
| ·关联规则挖掘 | 第44-45页 |
| ·关联规则挖掘 | 第45-50页 |
| ·概述 | 第45-47页 |
| ·Apriori算法 | 第47-50页 |
| ·概念格理论研究 | 第50-57页 |
| ·格论基础 | 第50-51页 |
| ·概念格 | 第51-53页 |
| ·单值属性的形式背景 | 第53页 |
| ·多值属性的形式背景 | 第53-56页 |
| ·Hasse图 | 第56-57页 |
| ·概念子格 | 第57页 |
| ·基于概念格的知识表达与处理 | 第57-59页 |
| ·概念格的构建与Hasse图的绘制 | 第59-74页 |
| ·批处理算法 | 第59页 |
| ·增量式算法 | 第59-60页 |
| ·增量式概念格和Hasse图的快速构建方法 | 第60-74页 |
| ·概念格的化简 | 第74页 |
| ·关联规则的生成 | 第74-78页 |
| ·冗余规则 | 第74页 |
| ·非冗余规则 | 第74-75页 |
| ·频繁封闭项集 | 第75页 |
| ·频繁封闭项集的产生子 | 第75-76页 |
| ·非冗余规则的生成 | 第76-77页 |
| ·规则的直接提取法 | 第77-78页 |
| ·算法时间复杂度的对比分析 | 第78-80页 |
| ·基于概念格的分类／聚类算法研究 | 第80-81页 |
| ·分类分析 | 第80页 |
| ·聚类分析 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第四章 基于商空间的图像数据挖掘的理论分析 | 第82-96页 |
| ·图像数据挖掘的粒度问题 | 第82-85页 |
| ·概述 | 第82-83页 |
| ·空间数据挖掘的粒度分析研究的现状 | 第83-84页 |
| ·基于商空间的图像数据挖掘的粒度的解释 | 第84-85页 |
| ·商空间理论概述 | 第85-88页 |
| ·图像数据挖掘的论域的划分 | 第88-90页 |
| ·图像数据挖掘的分层递阶处理 | 第90-91页 |
| ·图像数据挖掘的不同粒度世界的关系 | 第91-92页 |
| ·不同粒度世界的关系 | 第91页 |
| ·图像数据挖掘的不同粒度世界的关系 | 第91页 |
| ·图像数据挖掘中的全局信息的提取 | 第91-92页 |
| ·图像数据挖掘的分解与合成 | 第92-93页 |
| ·商空间的合成 | 第92-93页 |
| ·图像数据挖掘的分解与结合 | 第93页 |
| ·商空间理论与数据挖掘 | 第93-94页 |
| ·概念格的粒度分析 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第五章 图像数据挖掘的实验研究 | 第96-116页 |
| ·引言 | 第96页 |
| ·图像(遥感图像)数据挖掘的实验框架 | 第96-98页 |
| ·图像数据挖掘的结构化处理 | 第98-99页 |
| ·纹理数据挖掘 | 第99-108页 |
| ·纹理的解释 | 第99页 |
| ·纹理关联规则挖掘 | 第99-102页 |
| ·纹理特征数据挖掘 | 第102-107页 |
| ·基于纹理关联规则的航空纹理图像分类 | 第107-108页 |
| ·光谱特征数据挖掘 | 第108-112页 |
| ·空间分布规律挖掘 | 第112-114页 |
| ·形状特征数据挖掘 | 第114-115页 |
| ·图像知识的综合 | 第115页 |
| ·本章小结 | 第115-116页 |
| 第六章 图像知识的管理和应用 | 第116-124页 |
| ·引言 | 第116页 |
| ·图像知识的存储与管理 | 第116-119页 |
| ·知识库 | 第116页 |
| ·知识库与数据库 | 第116-117页 |
| ·图像知识的表达和存储 | 第117-119页 |
| ·基于知识的图像分类 | 第119-120页 |
| ·基于知识的图像检索 | 第120-122页 |
| ·基于知识的目标识别 | 第122-123页 |
| ·本章小结 | 第123-124页 |
| 第七章 图像数据挖掘软件原型系统的设计与开发 | 第124-141页 |
| ·图像数据挖掘软件原型系统的研究现状和分析 | 第124-126页 |
| ·MultiMediaMiner:多媒体数据挖掘软件原型系统 | 第124-125页 |
| ·ADaM:算法开发与挖掘系统 | 第125页 |
| ·其它图像数据挖掘软件原型 | 第125-126页 |
| ·图像(遥感图像)数据挖掘软件原型系统RSImageMiner的设计 | 第126-127页 |
| ·图像(遥感图像)数据挖掘软件原型系统RSImageMiner的开发与实现 | 第127-140页 |
| ·图像数据管理 | 第128-129页 |
| ·纹理特征数据挖掘 | 第129-133页 |
| ·空间分布规律挖掘 | 第133-134页 |
| ·光谱特征数据挖掘 | 第134-136页 |
| ·形状特征数据挖掘 | 第136-137页 |
| ·图像知识的存储与管理 | 第137-138页 |
| ·基于知识的分类 | 第138-139页 |
| ·基于知识的图像检索 | 第139页 |
| ·基于知识的目标识别 | 第139-140页 |
| ·本章小结 | 第140-141页 |
| 第八章 结语与展望 | 第141-144页 |
| ·创新与结论 | 第141-142页 |
| ·存在的问题和进一步的研究方向 | 第142-144页 |
| 参考文献 | 第144-155页 |
| 攻博期间的科研情况 | 第155-157页 |
| 致谢 | 第157-158页 |
